Большинство руководителей уверены, что их компания «уже внедряет ИИ». На практике это часто означает, что пара сотрудников иногда задаёт вопросы ChatGPT. Между этим и реальной зрелостью в области искусственного интеллекта — пропасть.
Эта статья — не очередной список абстрактных рекомендаций. Это рабочий инструмент самодиагностики. Пройдите чеклист по каждому блоку, честно отметьте «да» или «нет», и в конце вы получите трезвую картину: где ваша компания находится прямо сейчас.
Зачем вообще проводить оценку компетенций сотрудников в области ИИ
Оценка компетенций сотрудников в области ИИ — это не дань моде, а управленческая необходимость. Без понимания текущего уровня вы рискуете двумя крайностями.
Первая: переоценить команду, выделить бюджет на сложные проекты и обнаружить, что внедрять их некому. Вторая: недооценить людей, нанять дорогих внешних консультантов там, где хватило бы внутреннего обучения.
Пример из практики. Производственная компания закупила лицензии на корпоративную ИИ-платформу за 4 млн рублей в год. Через полгода выяснилось, что ей пользуются 6% сотрудников. Причина — никто не оценил базовую готовность команды и не выстроил обучение. Деньги ушли в пустоту.
Как пользоваться чеклистом
Чеклист разбит на пять блоков. В каждом — конкретные утверждения. Засчитывайте «да» только если можете подтвердить это фактами, а не ощущениями. В конце суммируйте баллы и сверьтесь с интерпретацией.
Блок 1. Базовая грамотность сотрудников
Это фундамент. Без него любые разговоры о трансформации бессмысленны.
- Большинство сотрудников понимают, что такое генеративный ИИ и чем он отличается от обычного поиска.
- В команде умеют формулировать чёткие запросы (промпты) и получать полезный результат.
- Сотрудники осознают риски: галлюцинации модели, утечку данных, неточность фактов.
- Есть понимание, какие задачи можно делегировать ИИ, а какие — нельзя.
Красный флаг: если люди копируют ответы нейросети в рабочие документы без проверки. Это не компетенция, а угроза.
Как проверить на практике
Дайте пяти сотрудникам одинаковую реальную задачу и попросите решить её с помощью ИИ. Разброс в качестве результатов покажет реальный уровень лучше любого опроса.
Блок 2. Применение в рабочих процессах
Грамотность без применения — это потенциал, который не работает на бизнес.
- ИИ-инструменты встроены в конкретные регулярные процессы, а не используются хаотично.
- Есть хотя бы 2–3 процесса, где ИИ измеримо сократил время или затраты.
- Сотрудники делятся удачными сценариями использования между собой.
- Существуют внутренние шаблоны промптов под типовые задачи отдела.
Пример из практики. Отдел маркетинга вместо хаотичного использования нейросетей создал библиотеку из 40 проверенных промптов под свои задачи: брифы, рассылки, описания товаров. Скорость подготовки контента выросла втрое — и это было измерено, а не «почувствовано».
Блок 3. Данные и инфраструктура
ИИ работает на данных. Если данные в хаосе, продвинутые сценарии недоступны.
- Корпоративные данные структурированы и доступны для безопасной работы с ИИ.
- Определены правила: какие данные нельзя загружать во внешние сервисы.
- Есть выбор между публичными и приватными (защищёнными) инструментами под разные задачи.
- ИТ-отдел в курсе и контролирует используемые сервисы.
Красный флаг: сотрудники загружают клиентские базы и финансовые данные в бесплатные публичные сервисы. Это прямой риск утечки и юридических последствий.
Блок 4. Управление и стратегия
Здесь оценивается уже не команда, а вы как руководитель.
- У компании есть понятная позиция по ИИ: где внедряем, где нет и почему.
- Назначен ответственный за развитие ИИ-направления (роль, а не «все понемногу»).
- Выделен пусть небольшой, но реальный бюджет на обучение и эксперименты.
- Результаты внедрения отслеживаются по метрикам, а не по энтузиазму.
Если на этот блок у вас почти все «нет» — проблема не в сотрудниках. Проблема в отсутствии управленческого решения. Никакое обучение снизу не заменит стратегии сверху.
Блок 5. Культура и развитие
Технологии меняются ежемесячно. Выигрывает тот, кто умеет учиться постоянно.
- Эксперименты с новыми инструментами поощряются, а ошибки в обучении не наказываются.
- Есть система регулярного обновления знаний — не разовый тренинг, а процесс.
- Сотрудники не боятся, что ИИ «заменит» их, а понимают, как с ним усилить свою работу.
- Руководители сами используют ИИ и подают пример.
Пример из практики. В компании, где собственник лично разбирал на планёрках удачные кейсы применения ИИ, вовлечённость команды выросла за квартал в разы. Личный пример руководителя оказался сильнее любых регламентов.
Подсчёт результатов
Всего в чеклисте 20 утверждений. Посчитайте количество честных «да».
0–6 баллов: начальный уровень
ИИ в компании присутствует случайно и бессистемно. Это нормальная отправная точка. Главная задача сейчас — не покупать дорогие платформы, а поднять базовую грамотность и навести порядок в данных. Начните с малого: один процесс, одно обучение, один ответственный.
7–13 баллов: переходный уровень
У вас есть отдельные успехи, но нет системы. Типичная ловушка этого этапа — энтузиазм без управления. Сосредоточьтесь на блоке «Управление и стратегия»: формализуйте подход, назначьте ответственного, введите метрики.
14–20 баллов: зрелый уровень
ИИ встроен в процессы, управляется и приносит измеримый результат. Ваш риск — остановиться. Фокус смещается на постоянное развитие культуры и поиск более глубоких сценариев: автоматизация, собственные решения, работа с приватными данными.
Три типичные ошибки при оценке
Ошибка первая — оценивать по самому сильному сотруднику. Один энтузиаст создаёт иллюзию зрелости. Оценивайте по медиане, а не по чемпиону.
Ошибка вторая — путать активность с результатом. «Мы много пользуемся ИИ» не равно «ИИ приносит пользу». Считайте сэкономленное время и деньги.
Ошибка третья — разовая диагностика. Технологии и команда меняются. Повторяйте оценку компетенций сотрудников в области ИИ хотя бы раз в полгода, чтобы видеть динамику.
Что делать после диагностики
Чеклист даёт вам карту. Дальше нужен маршрут.
Определите самый слабый из пяти блоков — именно он сдерживает остальные. Нет смысла внедрять сложные сценарии, если базовая грамотность на нуле или данные в беспорядке.
Сформулируйте одну конкретную цель на ближайший квартал. Не «внедрить ИИ повсюду», а, например: «обучить отдел продаж работе с тремя инструментами и измерить эффект на скорости обработки заявок».
Назначьте ответственного и заложите минимальный бюджет на обучение. Без этих двух элементов любая инициатива растворится в текучке.
Вывод
Реальный уровень ИИ-компетенций определяется не количеством подписок на нейросети, а тем, насколько системно и измеримо технология работает на бизнес. Честная оценка — первый шаг, который отделяет компании, которые говорят об ИИ, от компаний, которые на нём зарабатывают.
Пройдите чеклист сегодня. Затем вернитесь к нему через три месяца — и вы увидите, движетесь ли вы вперёд или только обсуждаете движение.